计算机学会ACM是计算机/信息领域最权威的全球组织。近期ACM对联想集团首席技术官、高级副总裁、ACM Fellow（会士）芮勇进行了专访，并将专访的文章放在首页醒目的位置予以展示。作为计算领域的杰出专家，芮勇博士在专访中谈到自己的学术研究生涯，并对行业未来的技术发展，比如智能手机、AR/VR以及多媒体计算等发表了自己前瞻性的看法和观点，干货颇多。
联想CTO芮勇（图中）
学术研究生涯和多媒体计算的未来
芮勇博士是联想集团的首席技术官和高级副总裁，他也是联想技术研究的领导者，专注于智能设备、人工智能、云计算、5G和智能生活等方面的技术研究。作为国际计算机学会ACM Fellow（会士），芮勇拥有65项美国和国际专利。他是如何一路走来，成为多媒体计算研究领域的杰出专家的呢？
芮勇谈到他在本科和硕士时选择了控制理论和大规模系统优化，这对于后来从事多媒体领域研究的工作，比如相关性反馈、神经网络和深度学习等，都发挥了重要的作用。之后其前往伊利诺伊大学厄巴纳-香槟分校读博，开始多媒体分析和检索的研究。在读博期间，他抓住了一个机会，参加了美国国家自然科学基金会设立并资助的 “数字图书馆”项目，将控制理论，信息检索和计算机视觉这三个领域融合起来，进行深入的跨学科研究，最终成为了第一批基于相关性反馈实现图像搜索的研究者，为图像搜索创造了一种全新的模式。
取得博士学位后，芮勇很快进入了微软，继续从事多媒体分析、理解和检索，机器学习，计算机视觉和模式识别等领域的研究工作，在那里工作了18年，之后就进入了现在的联想，带领团队推进多媒体计算的发展，并将最前沿的多媒体研究成果融入到联想的产品和服务中。
如今这个时代，每天都会产生大量的多媒体数据。如何看待未来多媒体分析和检索的价值？芮勇表示，以深度学习为代表的人工智能算法正在并将继续促进多媒体研究，尤其近期深度学习较好构建了基于多模态的算法框架，使得跨领域的多媒体数据的有效融合、利用/检索成为可能。
比如图像和视频的描述，几年前，描述能做的只是给图像或视频自动打上标签，而深度学习建立了计算机视觉和自然语言处理之间的连接，可以将零散的标签变成一句基于视觉内容并且通顺连贯的自然语言描述。未来，图像/视频描述甚至将支持一段（多句）关于内容的自然语言描述，也将支持更自然的用户交互系统；而支持的模态也会超越计算机视觉和自然语言处理的范围，例如，可以导入语音特征、空间深度信息、文本特征等。
未来智能手机形态可能大变
联想是智能手机的主要制造商之一，对于智能手机的未来，芮勇博士表示，未来像人工智能、VR/AR、5G、实时翻译，新电池技术以及全息技术的发展，都会深刻改变智能手机和用户的体验。
他表示，具体来说，无边框屏，神经网络处理器(NPU)，以及更多的传感器可能会出现在智能手机上传感器方面，手机将会融合生物特征传感器、深度摄像头，多摄像头以及更好的计算机视觉技术。此外，5G的发展会将为手机带来10倍带宽和零延迟。
此外，他还提到，智能手机的形态也可能会发生很大的变化，其中一个可能是可折叠手机。2016年，联想研究院曾研发出业界首个真正的可折叠手机原型CPlus和Folio。CPlus可以在手机和腕表之间转换形态，而Folio则可以在平板和手机之间随意切换。
AR/VR技术正走向主流
AR/VR技术已经存在了几十年，为何现在才真正开始走向主流呢？芮勇博士表示，这是因为近年来的技术突破，比如光学镜头，计算机视觉以及即时定位与地图构建，让AR/VR技术开始加速发展，巨大潜力开始显现。另外，AR/VR可以帮助解决很多行业上的痛点问题，也能够给用户带来全新的娱乐体验。
芮勇认为，与VR相比，未来AR很可能会成为一个更大的、更有前景的平台。尤其是当AR与垂直行业结合时，比如教育，培训以及工业维护等。在联想2017Tech World上，联想展示了研发的晨星AR(daystAR)眼镜原型以及AR平台，一位工程师还在现场展示了如何利用这些AR设备和平台维修出现故障的飞机发动机，这反映了VR在垂直领域拥有广阔发展前景。另外，在IFA2017展会上，联想还联合迪士尼推出了一款由智能手机驱动的AR设备Lenovo Mirage。
小结：
多年来，我们一直在想象未来的世界会是什么样？而在我们畅想、展望之前，许多像芮勇一样的前沿技术专家，已经默默做了很多前瞻性的研究和探索，他们比我们更先一步看到未来的世界。通过芮勇博士的分析和见解，我们看到深度学习为代表的人工智能算法正在改变多媒体研究，并将为我们社会带来重要价值的新兴应用，同时也看到联想在AR和智能手机上，也做了很多前沿性的尝试。期待通过一批批中国企业和科研人员的奋斗和努力，这更美好的充满智能的世界能早日来到。
版权所有，未经许可不得转载
加入收藏
